通过校准Biome-BGC模型来评估NPP模拟对亚热带森林生态系统的适用性：一项在年际和月际尺度上的实证研究

《Ecological Informatics》：Evaluating the suitability of NPP simulation for subtropical forest ecosystems by calibrating the Biome-BGC model: An empirical study at interannual and inter-monthly scales

亚热带森林生态系统碳循环研究：基于遥感数据校准Biome-BGC模型，揭示鄱阳湖流域四类森林净初级生产力（NPP）的年际与月际时空分布规律。模型有效校正了原始及实测参数模型在月份尺度的偏差，发现常绿针叶林、常绿阔叶林及灌木NPP年际变化趋势一致，而落叶阔叶林月际波动显著，NPP峰值出现在5-8月（80-102 g C m?2月?1），低谷在12-3月（≈0 g C m?2月?1）。研究成果为区域及全球碳平衡评估提供重要参考。

　　这项研究聚焦于亚热带森林生态系统在全球碳循环中的重要作用，并旨在准确模拟这些区域的净初级生产力（NPP）在空间和时间上的分布特征。NPP是衡量生态系统生物生产力的重要指标，它不仅反映了植物将碳分配到叶片、茎干、根系、防御化合物和繁殖中的能力，也是评估生态系统吸收二氧化碳能力的关键参数。因此，准确量化从地方到全球尺度的森林NPP对于理解陆地生态系统的碳循环至关重要。

亚热带森林在碳循环中占据着不可忽视的地位，其区域碳汇能力的精确评估尤为关键。以鄱阳湖流域（PYLB）为例，该地区位于东亚季风区，拥有多种森林生态系统。其“山-河-湖”一体化的地理格局和复杂的地形特征，充分展现了中国亚热带地区的典型特征。尽管已有部分研究对亚热带森林NPP进行了时空模拟，但大多数研究未对森林类型进行区分，导致模拟结果过于简化，无法准确反映NPP的空间和时间分布。此外，一些学者在地方尺度上对不同森林类型进行了NPP模拟，并探讨了其与气象因子的关系，但这些研究仍缺乏足够的代表性。

为了解决上述问题，本研究采用遥感观测数据对Biome-BGC模型中的关键植被生态生理参数进行了校准。Biome-BGC模型是一种代表性的生态过程模型，能够模拟森林生态系统中碳、氮和水的状态，包括NPP等碳通量。然而，该模型默认的植被生理参数是基于北美温带森林生态系统测量数据得出的，直接应用于亚热带森林生态系统会导致显著的模拟误差。因此，为了提高模型在亚热带森林生态系统中的适用性，对不同森林类型进行参数校准成为关键。

研究采用了一种结合全球敏感性分析和参数优化模型的方法，对四种典型的亚热带森林类型（常绿针叶林、常绿阔叶林、落叶阔叶林和灌丛）的植被生态生理参数进行了系统校准。这一过程不仅提高了模型对NPP的模拟精度，还使得模型能够更好地反映不同森林类型在不同时间尺度下的NPP变化规律。研究结果表明，经过校准的模型能够有效克服原始模型和基于测量参数模型在某些月份出现的显著高估或低估问题，从而更加准确地再现NPP的空间和时间分布特征。

在亚热带森林生态系统中，NPP的空间分布模式在不同时间尺度上存在显著差异。在年际尺度上，平均NPP呈现出从南向北逐渐递减的梯度，南部地区的NPP值最高，而北部地区则相对较低。然而，在月际尺度上，NPP的空间分布模式在北部和南部地区之间表现出一定的相似性。具体而言，从4月至10月的月平均NPP呈现出较为稳定的空间格局，而12月至次年3月的月平均NPP则趋于零，表明这一时期NPP的活动性较低。

进一步分析表明，不同森林类型在NPP的空间和时间分布上具有显著差异。例如，常绿针叶林（ENF）、常绿阔叶林（EBF）和灌丛的平均NPP趋势与月度变化趋势基本一致，而落叶阔叶林（DBF）的NPP波动趋势则更为显著。DBF的月平均NPP在5月至8月达到峰值，分别为80至102克碳每平方米每月，而在12月至次年3月则几乎为零。这表明，DBF在特定季节表现出较强的生产力，而在其他季节则相对较低，其NPP的变化规律与ENF、EBF和灌丛有所不同。

研究还发现，不同森林类型在NPP的空间分布上存在显著差异。ENF、EBF和灌丛的平均NPP值分别为656.83、660.83和403.07克碳每平方米每年，而DBF的平均NPP值为660.00克碳每平方米每年。尽管这几种森林类型的平均NPP值相近，但它们在月际尺度上的NPP波动幅度存在显著差异。ENF、EBF和灌丛的NPP波动幅度较小，而DBF的波动幅度较大，显示出其对环境变化的响应更为敏感。

本研究通过对PYLB地区1960年至2022年期间不同森林类型的NPP进行校准和模拟，揭示了该地区NPP在年际和月际尺度上的变化规律。研究结果不仅为理解亚热带湿润地区森林生态系统的碳循环动态提供了重要依据，也为全球其他地区的森林生态系统碳平衡研究提供了科学参考。此外，本研究的方法论可以为评估不同地区森林生态系统碳平衡的时空动态提供有价值的借鉴。

通过这一研究，科学家们能够更全面地认识亚热带森林生态系统在全球碳循环中的作用，并为未来的碳管理政策提供数据支持。研究还强调了在模拟NPP时，区分不同森林类型的重要性。这不仅有助于提高模拟精度，还能够揭示不同森林类型在不同环境条件下的响应机制，从而为生态保护和气候变化应对提供科学依据。

此外，研究中采用的参数校准方法具有一定的普适性，可以应用于其他地区的森林生态系统。通过结合全球敏感性分析和参数优化模型，研究人员能够识别出对NPP变化具有显著影响的关键参数，并通过不断调整这些参数，使得模拟结果与观测数据更加吻合。这种方法不仅提高了模型的适用性，还增强了其对未来情景模拟的能力，从而为碳平衡研究提供了更全面的视角。

研究还指出，生态模型虽然能够模拟复杂的自然系统，但由于其本身的简化特性，模型与实际生态系统之间可能存在一定的偏差。因此，在进行模型校准时，必须充分考虑不同森林类型的生态特性，并结合现场观测数据进行参数优化。这不仅能够提高模型的准确性，还能够减少由于参数误差导致的模拟偏差，从而为碳循环研究提供更可靠的数据支持。

在实际应用中，模型的参数校准需要大量的现场数据支持。然而，现场测量植被生态生理参数往往受到样本量较小和某些参数难以测量的限制。因此，研究中采用的遥感观测数据和模型校准方法成为解决这一问题的关键。通过结合遥感数据和模型模拟，研究人员能够更有效地识别出不同森林类型在不同时间尺度下的NPP变化规律，从而为碳循环研究提供更精确的时空数据。

综上所述，本研究通过对亚热带森林生态系统NPP的时空模拟，揭示了该地区NPP在不同时间尺度上的变化特征。研究结果不仅为理解亚热带湿润地区森林生态系统的碳循环动态提供了重要依据，也为全球其他地区的森林生态系统碳平衡研究提供了科学参考。同时，本研究的方法论在参数校准和模型优化方面具有一定的普适性，能够为未来的碳循环研究提供有价值的借鉴。通过这一研究，科学家们能够更全面地认识森林生态系统在全球碳循环中的作用，并为生态保护和气候变化应对提供数据支持。